欢迎访问上邦|专注企业 AI 数字化转型落地 · 咨询热线 400-667-6771
免费咨询
首页 / 资讯中心 / 技术干货 / 文章详情
技术干货

医药企业 SOP 问答知识库建设方案:权限分级、现行版过滤与带出处回答

上邦 AI 工程团队2026-09-18阅读 约 8 分钟
医药企业的标准操作规程、质量标准与工艺规程数量庞大且版本管控严格,一线人员现场查询依赖纸质文件与经验记忆。本文给出一套可内网部署的 SOP 问答知识库方案:按 GMP 文件管理要求设计元数据模型,按部门与角色实现权限分级检索,保证仅返回现行版本内容并附文件编号与条款出处,附 Chroma 过滤查询与 Ollama 本地问答示例代码,可分四个阶段落地。

方案总体思路与阶段划分

医药企业的质量文件体系受 GMP 约束。《药品生产质量管理规范(2010 年修订)》文件管理章节明确要求:文件应当标明文件编号与版本号,分发使用的文件应当为批准的现行文本,已撤销或旧版文件除留档备查外不得在工作现场出现。这决定了 SOP 问答知识库的核心不是检索得多准,而是只允许现行版本参与回答,并且每个回答都能落到具体文件条款。整体建设分四个阶段:文件范围界定、切片与元数据设计、权限分级入库、问答与审计上线。

第一步:界定入库文件范围

第一期只纳入三类文件:标准操作规程(SOP)、质量标准、工艺规程,均为 QA 部门受控文件,来源为受控文件管理系统的现行版电子档。
明确排除项:批生产记录等原始记录不入库检索,避免数据合规风险;验证方案与报告第二期再评估。
入库前由 QA 确认每份文件的现行版状态,导出文件清单作为元数据依据,清单字段至少包含文件编号、版本号、生效日期、所属部门、状态。

第二步:切片与元数据设计

SOP 是条款式文本,按标题层级切片最合适:一个条目对应一个小节,长度控制在 300 至 600 字,避免跨条款合并导致回答混杂。每条切片挂七个元数据字段:doc_id 文件编号、title 文件名称、version 版本号、effective_date 生效日期、dept 适用部门、status 状态(current 或 archived)、section 条款编号。
status 字段是整套方案的枢纽:版本更替时旧版切片统一改写为 archived,检索层强制过滤 current,从机制上杜绝旧版内容混入回答。

第三步:权限分级与带出处问答

权限分级用元数据过滤实现,不在模型侧做任何权限判断。生产人员只可查生产类 SOP,QC 只可查检验类,QA 与管理层可查全部。以下为 Chroma 过滤查询与 Ollama 本地模型组合的最小示例,全部组件可部署在企业内网:
import chromadb, requests

client = chromadb.PersistentClient(path='gmp_kb')
col = client.get_collection('sop_chunks')

def ask_sop(question, role):
    res = col.query(
        query_texts=[question], n_results=4,
        where={'$and': [
            {'status': {'$eq': 'current'}},
            {'visible_roles': {'$in': [role]}}
        ]})
    parts = []
    for doc, meta in zip(res['documents'][0], res['metadatas'][0]):
        parts.append('[' + meta['doc_id'] + ' v' + meta['version']
                     + ' ' + meta['section'] + '] ' + doc)
    ctx = '  '.join(parts)
    prompt = ('仅依据以下 SOP 条款回答,逐条标注出处,'
              '条款不足以回答时明确说明:' + ctx + '问题:' + question)
    r = requests.post('http://127.0.0.1:11434/api/generate',
                      json={'model': 'qwen2.5:7b', 'prompt': prompt,
                            'stream': False})
    return r.json()['response']

print(ask_sop('洁净区手套破损应如何处理', role='production'))
回答返回时同时附来源切片的元数据列表,前端展示为文件编号、版本号与条款编号,员工可对照受控文件系统核对原文。QA 抽查回答质量时,同样依据出处定位条款,形成可审计的回答链路。

第四步:审计留痕与上线验收

每次问答记录提问人角色、问题、命中切片的 doc_id 与版本、时间戳,日志仅用于检索质量分析与培训需求识别,按企业数据安全制度管理。
上线验收以三条硬指标为准:抽样 50 个典型 SOP 问题,回答与现行版原文一致率、出处标注完整率、旧版内容零混入,三项达标后方可开放给一线使用。
版本更替演练:模拟一份 SOP 升版,验证旧版切片在 10 分钟内完成 archived 标记,且升版前后同一问题的回答出处版本号发生变化。
上邦的私有 AI 知识库方案支持文档解析、元数据治理、权限分级与带出处问答,可完整部署在企业内网,医药等强合规行业可按上述四阶段路径分步落地,详见 https://aiwork.shangbon.com/ai-rag.html。

参考来源

药品生产质量管理规范(2010 年修订)文件管理章节 - 国家药品监督管理局(nmpa.gov.cn);Chroma 官方文档(where 条件过滤查询) - docs.trychroma.com。
相关标签:企业AI知识库医药行业权限分级SOP检索私有化部署

免费咨询上邦技术顾问

一对一上邦方案顾问对接 · 免费定制企业专属 AI 数字化转型方案

立即获取上邦方案